我们和很多企业高管有过交流，其中大多数认同这个观点：数字化技术正在渗透到几乎每个公司的每个职能。但与此同时，也有很多企业高管陷入了两大误区。
误区1：如果没有数字化战略，企业将无法生存。
这个误区通常伴随着恐怖的故事，比如亚马逊如何击垮了Sears。但从战略层面看，数字化技术与电力、通信或是其它先进技术非常相似。它们是强有力的工具，理应受到更多重视。但它们不应该取代其它工具，或是了解在哪里和如何使用这些工具的卓越战略家。
实际上，每年都会有一大批所谓的数字化创新项目会失败，因为它们缺少有效战略的支撑，比如eToys、Napster和Pixelon。分析师认为当前的科技泡沫不会持续太久，许多独角兽企业将会纷纷“死去”。有些观点甚至认为，Sears对数字化技术的巨大投资也无法挽回其颓势，相反地是在加速Sears的”死亡”。
所以我们必须打破这个误区。成功的关键永远是有效的业务战略，加上灵活运用支持工具 — 如今这些工具中也包括数字化技术。
误区2：所有人都必须成为数字化专家。
这个误区是指，每个人或者每个组织单位都必须充分独立了解和掌握数字化技术。相信这个误区的企业高管会建立他们自己的影子IT组织，导致数字化架构的复杂性加剧。然后他们会突然发现，遇到了各种整合、企业安全、客户隐私和监管合规性的问题 – 所有这些都是企业IT专家应该担心的问题。
诚然，个人和组织单位必须学会如何甄别数字化技术机会，了解如何利用真正的专家，熟练使用数字化工具。但这跟学会设计和开发软件程序是两个完全不同的概念。
一旦突破了这两个误区，另一个问题自然地就浮出水面：什么才是更好的方法呢？让我们来看看，在数字化时代起步的公司当中，最成功的公司是怎么做的：在持续创新产品和流程的基础上构建战略；快速测试这些创新产品和流程，只留下最有效的方案；将数字化技术融入到运营、营销和企业需要的其它职能。
而这个方法的关键是运用敏捷团队。
敏捷 — 可以是敏捷开发、精益开发和看板的形式 — 是一种系统化的创新方法，在软件开发领域早已颇为普及。一个公司会将一小波人组成一个团队，专门负责某个项目。这个团队实行自主管理，会涉及到多个不同职能；并拥有完成工作需要的所有技能。他们把项目分成小模块，然后在有限的时间内优先完成最重要的事项。每当完成一个模块时，团队会跟内部客户或/和终端客户测试结果。他们会仔细追踪成果和障碍，一般会在每日简会上回顾每天的进度。而且，团队要对项目结果严格负责。
研究显示，在大多数情况下，敏捷方法的表现优于传统的项目管理方法—速度更快，出现重大失误的可能性比较小。此外，敏捷方法有助于提高团队活力和敬业度，这在如今人才是核心竞争力的时代非同小可。同时敏捷方法能提高业绩，尤其是在快速变化的行业中。著名的流媒体音乐服务商Spotify，主要依靠自主管理的敏捷 “小分队”打造创新产品，成功地与规模更大、资金更充足的竞争对手分庭抗衡。
数字领域之外的公司对敏捷方法也不陌生 – IT部门使用敏捷方法已经很久了。美国国家公共广播电台（NPR）就是一个例子。在过去40多年，电台都是用传统的方式开发新节目。制片人提出想法，然后向主管进行沟通。如果获得批准，制片人就会招募需要的员工，制作节目，然后做好准备举办声势浩大的发布活动 – 但所有一切都要严格保密。与此同时，NPR的代表会不遗余力地向地方电台推广节目，希望能有足够多的电台购买这个节目，从而收回成本。整个过程非常慢，成本高，风险大。
为了追求更多更好的创新，NPR董事会要求节目制作部门设计一个新的节目制作方法。Eric Nuzum当时担任节目制作副总裁，他被NPR数字媒体部门成功改进NPR网站的事情激起了兴趣，因为该部门在很短的时间内全面升级了NPR网站。所以他就找到这个部门的员工，从他们那里汲取灵感，学到了敏捷方法。Nuzum和其它相关人员开始思考，如何把敏捷原则应用到节目制作和电台的其它项目上。
如今，敏捷团队在NPR打造各种各样的创新项目，使得电台保持在美国媒体界的独特地位。一个团队采用敏捷方法，建立和管理含有750,000项纪录的全新数字档案。另一个团队也使用了敏捷方法，在1个小时的广播时间内，更合理地分配全国新闻和本地资讯（比如新闻、交通和天气）的时间。
在制作节目方面，电台先进行小范围试点，招募尽可能少的员工，然后开始持续学习和改进的过程。节目制作人会向地方节目总监寻求反馈意见，也会通过社交媒体搜集听众的批评和建议。这个过程速度快，公开透明，而且成本相对较低。NPR以过去三分之一的成本制作了TEDRadio Hour 和 Howto Do Everything （播客）等节目。由于节目制定的成本降低了，NPR可以向本地电台免费提供一段时间的节目试播，从而积累一定的听众。
综上所述，Spotify、NPR以及其它采用敏捷方法的公司都不是把数字化技术作为一个战略，而是作为落实战略的一项工具。这些公司也不是期望所有人都一致精通数字化技术，相反地，他们依赖的是由精通数字技术和营销、财务等各方面专家组成的团队。简单来说，他们不会落入数字化技术的误区，他们的企业也不会有这样的风险。
附加阅读：
拥有优秀大数据能力的企业，做出正确决策的可能性高出竞争对手3倍、决策速度比竞争对手快5倍。
作者信息
陆原是贝恩公司全球合伙人，中国区高科技业务主席。
申文燮（Moonsup Shin）是贝恩公司全球合伙人、大数据及TMT业务领导人之一。
贝恩公司的包铭锋和岳野亦对本文有贡献。
当某在线视频网站准备推出自制剧的时候，评论家纷纷嘲笑他们把握观众品味的能力。很难有谁会想到，该公司通过分析其积累的多年用户观影偏好的大数据，来指导制片人、主演选择和编剧内容并一炮走红，帮助其在一个季度内获取数百万新增用户，并在接下来的一两年内里获得数倍的股价提升。
打造大数据战略的四大挑战
我们正在迎来一个数据爆炸的时代：各类设备和互动产生的数据量正以年均大于50%的速度增长，预计在2020年可能会达到44ZB（44万亿GB）。全球企业越来越关注大数据给自己带来的机会或者冲击，贝恩公司的大数据行业调研显示，北美和欧洲400多家大型企业（年营业额高于5亿美元）中，大约60%的企业积极在大数据方面进行投资，希望能够带来显著的收益。
据调查显示，拥有优秀大数据能力的企业，它的财务表现排在行业前25分位的可能性是竞争对手的2倍、做出正确决策的可能性高出竞争对手3倍、决策速度比竞争对手快5倍。可见，大数据对于企业乃至整个社会的重要性不言而喻。
大数据之所以“大”，在于数量（Volume）、种类（Variety）和产生速度（Velocity）的特征。Volume：数据体量大，许多企业大数据规模可达数百TB、甚至EB级别（1EB=1024PB、1PB=1024TB、1TB=1024GB）。Variety：数据类型多，包括各种格式与形态。Velocity：大量数据每一秒都在产生，对数据实时收集、处理与分析应用的速度要求很高。
无论数据如何变化，它们是“金矿”还是“垃圾”，取决于企业是否了解自身拥有（或能够获得）的数据资产，并以此建立清晰的大数据战略，从而在战略、运营和一线层面产生价值。无法持续地产生价值的数据是没有意义的。
基于贝恩公司的大数据行业调研，企业今天在运用大数据时还面临不少困难。主要包括战略、人才、数据资产和工具等四大类挑战。
战略：仅有约23%的企业拥有明确的大数据相关战略，决定并知道如何将大数据分析有效地应用于企业运营，并建立相应的组织能力、流程和激励机制来赋能数据分析以支持决策。
人才：仅有约36%的企业拥有专门的数据洞察团队，并拥有同时具备数据科学专业能力和商业敏感度的人才。
数据资产：仅有约19%的企业拥有高质量、一致性较好、易于获取和应用的大数据。
工具：仅有38%的企业正在使用先进的大数据工具，如Hadoop、NoSQL、HPCC和自动数据清洗算法等。
建立大数据战略与能力的关键因素
企业如何建立清晰的大数据战略和关键的大数据能力？贝恩根据与全球客户合作的大数据相关项目经验，总结出企业建立大数据战略与能力的6大关键因素。
关键成功因素1：发现独有的“数据资产”。
你拖动某部电影视频滚动条的时候，视频网站正在分析整体观众的偏好数据并指导下一步剧集的剧情走向；当你在店里购物的时候，零售商正在分析整体客流轨迹数据并指导店面的布局和商品的上下架；当工厂每天使用机器设备的时候，厂商正在分析整体设备的使用习惯并指导下一代产品的设计、维修保养的主动性变动以提升效率……这样的例子非常多。
作为建立大数据能力的基础，企业应像对待其他重要资产一样，发现、评估和管理好并不断扩充数据资产。
首先，应对企业数据资产现状开展深入评估，明确目前数据资产的来源、类型与数据准备情况，评估数据是否足够完整、是否与业务发展直接相关；
其次，根据评估结果以及企业经营战略目标，应明确目前还有哪些数据资产与目标存在显著差距，弥补差距的优先级是什么；
然后，对所有可进一步获取的内外部数据资产进行识别与评估，在深入考虑数据质量、重要性与相关度、获取成本与时间要求等相关因素之后，选择获取数据资产的最佳方式，诸如自行采集整理、对外采购数据、与外部合作伙伴进行交换等；
在获取新的数据资产后，企业还需建立数据治理机制，对数据进行妥善清洗与存储，确保数据的可用性与一致性，并明确数据授权和更新制度。
关键成功因素2：明确数据资产如何“创造价值”。
在评估企业的数据资产后，需确定如何运用其对企业战略进行支撑与引领。具体而言，大数据可为企业带来五方面的价值：
优化企业内部运营流程：例如，某饮料公司运用复杂算法分析社交媒体大数据，识别对于重要议题具有影响力的品牌意见领袖，并对其进行针对性的引领，以提升营销效果；某连锁零售公司通过分析大量门店销售数据，寻找产品之间的未知联系，以提升捆绑销售。
优化现有产品与服务：例如，某娱乐公司运用电子公园通行证来采集游客在其主题公园中的活动数据信息，以此来优化游客在公园中的体验；某汽车安全信息系统服务商使用传感器来收集车辆驾驶数据，以改进其产品的设计、生产与维修流程。
开发新产品新服务：例如，某保险公司使用插入式设备来收集驾驶行为数据、通过分析司机的驾驶习惯对其保险提供相应折扣，以主动保留驾驶行为较安全的客户；某在线影片租赁提供商通过分析观影档案数据来针对性提升用户观影体验，并提供分析结果给影片投资方以优化影片制作内容。
建立新业务模式：例如，某医疗保险公司通过对病人信息数据的预测性分析，向易患病的人群提供预防性关怀服务，以提高服务此类客户的利润率；某理财服务公司免费赠送个人财务软件给用户，在用户使用时分析其消费数据，再向其精准推送相关广告。
获取生态系统控制力：例如，某企业级软件公司通过对渠道伙伴的运营数据开展智能化管理与分析，鉴别渠道商的资质与能力，并对业绩进行预测和预警；某电子商务公司数据产品团队基于其电商平台沉淀的大量交易数据，为平台上的卖家开发各类大数据产品，帮助它实现数据化运营和增收，提升电商生态系统对卖家的吸引力。
关键成功因素3：识别优先应用场景。
对于公司业务部门（营销、销售和服务等部门），大数据可以帮助其创造以上五种战略价值；对于公司职能部门（研发、供应链和人力资源等部门），大数据也可以帮助其优化内部运营流程。为识别公司业务与职能部门具体可能的大数据应用场景，可对标业界大数据应用实践、基于数据资产现状评估、剖析业务与职能流程中可能进一步采集的数据与应用方式，运用头脑风暴和内部研讨会列出所有可能的大数据应用。需注意的是，大数据应用场景必须契合业务与职能部门的现实需求，切忌闭门造车、脱离实际。
在确定可能的大数据应用之后，可通过价值创造与业务成熟度两个维度对大数据应用进行评估和优先级排序，以按顺序推动相关大数据应用的落地实施。对于价值创造维度，可以用创造价值的多少（如提升运营效率、提升投资回报等）作为评估标准；对于业务成熟度维度，可以将所需数据资产的可获得性以及所需资源投入和大数据能力支撑（如资金、人才和跨部门合作等）等标准用于评估。
关键成功因素4：数据→分析→洞察→决策支撑的产品化、常态化。
为将大数据高效应用于企业的日常运营，需要不断将数据分析能力转化为内部应用产品，并将数据分析工作常态化。对于数据分析产品化，可通过大数据应用战略规划、大数据应用场景设计、分析大数据以获取洞察这一过程的牵引，不断推动大数据应用产品的设计、开发与应用，最终实现数据分析产品的可持续运营。而对于分析工作常态化，需要持续维护数据分析产品并监测实际使用效果，为业务与职能部门提供数据分析支持，并对其日常使用中的问题及时进行解答。
以某家电公司为例，其借助于收集存储了上亿用户数据的大数据平台，建立了需求预测和用户活跃度等数据模型。以此为基础，该公司为营销及销售人员开发了具有精准营销功能的应用软件，可辅助其面向区域、社区和用户个体开展精准营销；此外，还为研发人员开发了具有用户交互功能的应用软件，可帮助研发人员更全面地了解用户痛点、受欢迎的产品特征、用户兴趣分布与可参与交互的活跃用户。这些大数据产品在日常应用中取得了巨大的成效，在系统运营的近一年里，该公司开展了数百场基于数据挖掘和需求预测的精准营销活动，转化的销售额达60亿元。
关键成功因素5：通过组织、人才与IT，为大数据提供强力保障与支撑。
大数据战略的落地离不开组织、人才与IT能力的支持，而这些关键要素与能力的建设，需要既能贴近业务一线、又能与战略保持一致。
对于大数据组织运作方式，由于大数据核心分析能力、工具投资等在各业务部门之间协同效应突出，企业（尤其是大型企业）一般采用集中化运营中心模式。同时，与业务决策、应用相关的权利被授予前线部门，以确保数据分析与业务决策的无缝衔接。无论如何设计大数据组织运作模式，核心原则是根据公司自身情况与需要，确保大数据分析能力能够最有效地支持一线决策。
此外，大数据组织需要多种具备关键能力的人才队伍，来共同支持大数据组织架构的运营。其需要的人才团队包括大数据应用业务经理团队、大数据分析团队、数据资产管理团队、技术开发与维护团队以及风险管理团队等等。
除了组织与人才之外，大数据的落地还需要强大的IT系统架构作为支撑。企业需要建立强大的大数据分析平台系统，从不同数据源调取并分析数据，拉通数据基础分析，以统一服务各部门的大数据应用场景。同时，该数据平台还需具备对跨数据源数据进行统一清洗和存储，以确保数据可用性与一致性的能力。除此之外，企业可以建立或优化主数据管理系统，为大数据分析平台以及各业务大数据应用提供统一、便捷的数据联机交易服务，以支撑企业大数据运营。
关键成功因素6：通过大数据隐私和安全管理，消除法律及消费者认知风险。
大数据带来机遇与价值的同时，也带来了一定的商业风险，特别是涉及法律（例如某社交网络平台由于违反其隐私政策，遭到美国贸易委员会起诉）与消费者认知的风险（例如某互联网公司街景项目由于拍摄的很多照片涉及当地居民隐私，遭到后者大规模抗议）。为此，可按数据类型及从数据收集到分析使用各环节来识别不同类型、地域的法规与认知风险，并予以及时应对。
以隐私风险程度较高的数据收集环节为例：对于个人可识别数据（如身份号等），由于法律规定最高级别保护，故若无明确用途不建议采集；对于敏感数据（如交易和信用信息等），数据采集需明确告知用户并获得其同意；对于非敏感数据（如产品数据等）可按需采集。
此外，企业应建立统一的国际政策法规团队，通过基于全球标准的数据流程来管理数据隐私，并在此基础上根据各国不同法规进行合法的数据隐私本土化管理。同时，还可通过主动披露客户隐私政策以获取数据使用分析授权、向用户提供自身隐私信息控制与删除权限或将个人隐私数据整合为群体匿名数据进行分析以及获取第三方隐私风险管理认证等方式，来降低用户的担忧。
企业在建立大数据能力过程中，需要专业公司的帮助和支持。贝恩公司的完整大数据方法论可助力企业建立制胜的大数据战略和能力。
大数据的快速发展对于企业既是挑战，更是机会。企业必须及时抓住大数据带来的战略机遇，制定明确的大数据战略、建立强大的大数据决策支持体系与各方面能力，以充分挖掘大数据时代蕴含的巨大商业价值。
